matlab里的一些函数.docVIP

MATLAB-fminsearch函数的使用 fminsearch函数用来求解多维无约束的线性优化问题 用derivative-free的方法找到多变量无约束函数的最小值 语法 x = fminsearch(fun,x0) x = fminsearch(fun,x0,options) [x,fval] = fminsearch(...) [x,fval,exitflag] = fminsearch(...) [x,fval,exitflag,output] = fminsearch(...) 解释 fminsearch能够从一个初始值开始，找到一个标量函数的最小值。通常被称为无约束非线性优化 x = fminsearch(fun,x0) 从x0开始，找到函数fun中的局部最小值x，x0可以是标量，向量，矩阵。fun是一个函数句柄 x = fminsearch(fun,x0,options) 以优化参数指定的结构最小化函数，可以用optimset函数定义这些参数。（见matlab help） [x,fval] = fminsearch(...)返回在结果x出的目标函数的函数值 [x,fval,exitflag] = fminsearch(...) 返回exitflag值来表示fminsearch退出的条件： 1--函数找到结果x 0--函数最大功能评价次数达到，或者是迭代次数达到 -1--算法由外部函数结束 [x,fval,exitflag,output] = fminsearch(...) 返回一个结构输出output，包含最优化函数的信息：output.algorithm 使用的优化算法output.funcCount 函式计算次数output.iterations 迭代次数output.message 退出信息 另外 fun是需要最小化的函数，他的输入为input，输出为标量f，目标函数在x上作出估计，函数可以为M文件的一个句柄函数(当是M文件时，用单引号括起文件名)： functionx = fminsearch(@myfun, x0) 这里function f = myfun(x) f = ... 其自变量为x 或者直接写出 asx = fminsearch(@(x)sin(x^2), x0); 例子 例1：一个典型的测试就是求多维the Rosenbrock banana function函数的最小值，其最小值在（1，1），其值为0. 一般开始迭代在(-1.2,1). 这里定义一个句柄函数banana = @(x)100*(x(2)-x(1)^2)^2+(1-x(1))^2;将这个函数传递给fminsearch为x,fval] = fminsearch(banana,[-1.2, 1])。结果 x = 1.0000 1.0000 fval = 8.1777e-010 说明函数在x处有近似于0的最小值，且估计结果有四位小数 例2： 如果fun是有参数的，那么可以定义个匿名函数去获得独立的参数，例如，若果需要估计的函数为 function f = myfun(x,a) f = x(1)^2 + a*x(2)^2 因为myfun中有一个位置参数a，所以不能直接传给fminsearch中。所以需要最优化具体的a，例如a = 1.5 首先定义 a = 1.5; 然后x = fminsearch(@(x) myfun(x,a),[0,1]) for a specific value of a, such as a = 1.5.Assign the value to a. a = 1.5; % define parameter firstCall fminsearch with aone-argument anonymous function that captures that value of a andcalls myfun with two arguments:x = fminsearch(@(x) myfun(x,a),[0,1]) 例3 我们可以将例1中的banana函数改变一下，这样最小值点改变到了[a,a^2]. 对于一个特定的a，如a=sqrt(2)，我们可以如下做 a = sqrt(2); banana = @(x)100*(x(2)-x(1)^2)^2+(a-x(1))^2; 然后[x,fval] = fminsearch(banana, [-1.2, 1], optimset(TolX,1e-8)); 则可以找到一个比默认值准确度高的x，使[sqrt(2), 2] 为最小值 算